<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="97088">
 <titleInfo>
  <title>MEMBANGUN SISTEM KLASIFIKASI DOKUMEN WEB MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM)</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Alim Misbullah</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Matematika dan Ilmu Pengetahuan Alam</publisher>
   <dateIssued>2010</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Menentukan   kategori  dari  sejumlah dokumen  merupakan  salah satu  tek:nik penting dalam  ilmu  data  mining  untuk  mengelola   dokumen  dalam  jumlah  besar.  Tahapan yang  biasa  dilakukan  adalah  pembersihan  dokumen,  penentuan  fitur, dan klasifikasi dokumen.  Support  Vector Machine (SVM)  adaJah salah satu metode dalam  ilmu data mining untuk mengklasifikasi dokumen  ke dalam kategori yang telah ditentukan sebelumnya   dengan    belajar   dari   sekurnpulan    data   (supervised   text   learning).&#13;
Penelitian   ini  bertujuan   untuk  mengklasifikasikan  halaman   web  berita  berbahasa&#13;
Indonesia  ke dalam  beberapa  kategori  menggunakan  SVM. Hasil pengujian menunjukkan bahwa fitur-fitumya yang diekstrak dengan baik dan klasifikasi menggunakan SVM memiliki  akurasi yang tinggi.  Keakuratan  akurasi model  diukur menggunakan  kurva Receiver Operating Characteristic (ROC) dan F-measure.&#13;
&#13;
Kata   kunci:   Data  Mining,  Support   Vector Machine  (SVM),   Receiver  Operating&#13;
Characteristic (ROC),  F-measure.&#13;
&#13;
&#13;
&#13;
</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>97088</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2022-01-10 09:53:27</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2022-01-10 09:53:27</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>